检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于多粒度融合的图卷积网络会话情感分析

中文信息学报 2024年第5期 136-145页

作者：王佳朱小飞唐顾黄贤英重庆理工大学计算机科学与工程学院

会话情感分析指对一段会话中的每句话进行情感分类，目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响，而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题，该文提出了一个基于多粒度融合的图卷积神经... 详细信息

会话情感分析指对一段会话中的每句话进行情感分类，目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响，而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题，该文提出了一个基于多粒度融合的图卷积神经网络，其主要包括两个模块，即特征提取模块和星图增强的图学习模块。首先，特征提取模块使用预训练语言模型RoBERTa获取会话中语句之间粗粒度的上下文信息，同时结合句法依赖树获取词之间细粒度的句法信息，从而将多粒度特征信息引入到会话情感建模。然后，在星图增强的图学习模块中建模会话的背景情感信息和会话中不同说话者之间的交互信息，从而增强会话情感分析的准确性。实验结果表明，该文提出的模型与其他基线模型相比，其准确性以及度量指标F1值在所有数据集上均有显著提升。

关键词：会话情感分析多粒度融合句法依赖树图卷积网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于MHSA和GCN的方面级情感分析模型

东北师大学报（自然科学版） 2024年第2期56卷 69-74页

作者：杨乾艾山·吾买尔孙伟伟古文霞新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学新疆多语种信息技术实验室新疆乌鲁木齐830046

针对目前大多数现有的基于图卷积网络的模型只考虑了特定方面和上下文之间的交互关系,忽略了方面之间的交互情感特征的问题,本文提出了一种利用预训练BERT和多头自注意力机制(MHSA)结合图卷积网络的模型(MHSAGCN-BERT).用方面词与上下... 详细信息

针对目前大多数现有的基于图卷积网络的模型只考虑了特定方面和上下文之间的交互关系,忽略了方面之间的交互情感特征的问题,本文提出了一种利用预训练BERT和多头自注意力机制(MHSA)结合图卷积网络的模型(MHSAGCN-BERT).用方面词与上下文的句法依赖和方面之间的相互情感关系来推导出特定方面的情感极性,以此增强模型学习特征能力.在Restaurant14、Restaurant15、Restaurant16公开数据集上进行了实验,结果表明,本文模型与其他方面级情感分析模型相比有较明显的提升.

关键词：方面级情感分析多头自注意力机制图卷积网络方面交互句法依赖树

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

细粒度标记的结点自适方面情感三元组抽取

计算机工程与应用 2024年

作者：赵园春韩虎徐学锋兰州交通大学电子与信息工程学院兰州交通大学甘肃省人工智能与图形图像处理工程研究中心

情感分析在自然语言处理领域扮演者重要的角色，作为情感分析的子任务，方面情感三元组抽取能够从评论中抽取用户对产品或服务的意见，从而在商家做决策时提供关键性数据支撑，因此具有较大的研究价值。然而现有的方面情感三元组抽取方... 详细信息

情感分析在自然语言处理领域扮演者重要的角色，作为情感分析的子任务，方面情感三元组抽取能够从评论中抽取用户对产品或服务的意见，从而在商家做决策时提供关键性数据支撑，因此具有较大的研究价值。然而现有的方面情感三元组抽取方法存在词对边界考虑不足、词对标记冗余和语言学特征利用有限的问题。为了解决这些问题，提出了一种基于细粒度标记的结点自适应方面情感三元组抽取算法。首先，设计细粒度词对标记方案，项的首尾边界使用相异的标记，去除项中冗余的词间标记。其次，在两个通道上使用结点自适应网络分别对句法依赖信息与句法类型信息进行挖掘，同时使用卷积注意力捕捉评论文本的全局与局部语义依赖关系，从而增强模型对语言学特征的提取。最后，使用推理层获取词间关系，使用解码层获取方面-意见-情感三元组。实验结果表明，该模型不仅解决了现有标记方案存在的问题，还能高效挖掘语言学特征，在4个公开数据集上其综合评级指标值取得了较优的结果。

关键词：方面情感三元组抽取细粒度词对标记结点自适应网络句法依赖树卷积注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多特征驱动图注意卷积网络的关系抽取

计算机应用 2024年第S1期44卷 24-28页

作者：李航程钟勇中国科学院成都计算机应用研究所中国科学院大学计算机科学与技术学院

针对基于句法依赖树和图卷积神经网络（GCN）的关系抽取（RE）任务中，由于句子中词与词之间的依赖连接被赋予相同权重所引入的噪声问题，提出一种基于多特征驱动图注意卷积网络（MFDA-GCN）的RE模型。该模型充分利用了句子的依赖类型... 详细信息

针对基于句法依赖树和图卷积神经网络（GCN）的关系抽取（RE）任务中，由于句子中词与词之间的依赖连接被赋予相同权重所引入的噪声问题，提出一种基于多特征驱动图注意卷积网络（MFDA-GCN）的RE模型。该模型充分利用了句子的依赖类型、词性、相对实体位置等多种特征信息，通过引入注意力机制计算句法依赖树中不同连接的重要程度，再将多种特征信息动态地融入句子的词向量表示中。最后，根据词之间依赖连接的重要程度更有效地引导词信息传递，优化整个句子的词向量表示，进一步提高RE性能。实验结果表明，相较于其他基线模型，基于MFDA-GCN的RE模型具有更强的远距离词依赖捕获能力，且该模型在数据集SemEval-2010 Task 8和ACE2005EN上的F1值分别达到90.39%和79.86%。

关键词：关系抽取图卷积神经网络句法依赖树注意力机制自然语言处理

在线全文

学校读者我要写书评

暂无评论

融合词性与外部知识的方面级情感分析

计算机科学与探索 2023年第10期17卷 2488-2498页

作者：谷雨影高美凤江南大学轻工过程先进控制教育部重点实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

方面级情感分析的目标是识别给定句子中特定方面词的情感极性,目前结合图卷积神经网络和句法依存树的大部分研究侧重于根据句子依赖树学习上下文和方面词间的关系,而没有专注于句法依赖树的构建,从而不能充分地利用依赖树上的信息,并且... 详细信息

方面级情感分析的目标是识别给定句子中特定方面词的情感极性,目前结合图卷积神经网络和句法依存树的大部分研究侧重于根据句子依赖树学习上下文和方面词间的关系,而没有专注于句法依赖树的构建,从而不能充分地利用依赖树上的信息,并且会引入噪声。针对上述问题,提出一种基于多融合邻接矩阵算法的图卷积网络模型。首先使用外部知识来增强句子中情感词的作用,并利用词性进行信息筛选,去除句子中冗余的依赖关系从而得到剪枝句法依赖树,使用多融合邻接矩阵算法将两者结合得到句法信息,将句法信息和BiLSTM层提取的语义信息输入到简化图卷积网络中进行特征融合。在五个数据集上的实验结果表明,提出的改进方法是有效的,且能明显提高模型性能。

关键词：方面级情感分析图卷积神经网络(GCN) 外部知识词性句法依赖树

在线全文

学校读者我要写书评

暂无评论

面向社交媒体评论的文本情感分析研究

面向社交媒体评论的文本情感分析研究

作者：谷雨影江南大学

学位级别：硕士

随着互联网时代的到来,社交媒体上也涌入大量的用户,用户在使用过程中产生了海量的评论数据。这些文本数据中往往包含用户自身对于特定对象的态度,挖掘和分析这些评论文本给企业的产品分析以及形象建立、政府的舆论管控以及政策推行、... 详细信息

随着互联网时代的到来,社交媒体上也涌入大量的用户,用户在使用过程中产生了海量的评论数据。这些文本数据中往往包含用户自身对于特定对象的态度,挖掘和分析这些评论文本给企业的产品分析以及形象建立、政府的舆论管控以及政策推行、普通用户的消费抉择等活动带来巨大的帮助。文本情感分析可以快速高效地判断这些具有主观情感信息评论的情感倾向,从而帮助用户获取核心信息,因此,面向社交媒体的情感分析具有实际的研究意义。本文主要研究社交平台上的评论情感分类问题,构建深度学习模型实现文本情感分析任务。本文的主要工作如下:(1)针对现有情感分析模型不能专注于句法依赖树的构建导致模型难以充分利用句法信息这一问题,提出一种融合词性和外部知识的多融合简化图卷积神经网络模型(Multi-Fusion Simplifying Graph Convolutional Network,MFSGC)用于方面级情感分析。使用双向长短期记忆网络获取句子的语义信息,利用外部知识加强句子中情感词的作用,并筛选无效词性组合对句法依赖树进行剪枝,提出多融合矩阵算法将两者结合得到句法信息,使用简化图卷积网络对语义信息和句法信息进行特征融合,减少计算量的同时使模型更高效。在五个公开数据集的实验结果表明,提出的改进方法是有效的,能够明显提高模型性能。(2)针对现有模型使用单一注意力机制导致句法信息的缺失,对文本编码获取的语义信息有限以及中文剧评情感分析数据集缺乏的问题,提出一种基于Bert和交互注意力机制的简化图卷积神经网络模型(Simplifying Graph Convolution Network based on Bert and Interactive Attention Mechanism,记为IASGC-Bert)用于方面级情感分析。爬取豆瓣华语剧集评论区得到剧评数据集,为增强文本的情感特征,构建替换词典,对评论文本中的表情符号、网络词以及专业术语进行替换表示,对剧评进行关键词分析并将整理后的数据集用在后续的方面级情感分析任务中。使用Bert预训练模型对文本进行编码表示,获得包含丰富语义信息的词向量,并使用情感词典加强情感词的特征信息,此外,利用交互注意力机制对上下文和方面词进行交互式学习,充分获取文本中的句法信息和语义信息,从而提高模型性能。在中文剧评数据集和五个英文数据集上的实验结果表明,提出的改进方法是有效的,能够明显提高模型性能。(3)为了将方面级情感分析可视化,设计了面向社交媒体的文本情感分析系统。系统调用训练好的分类模型实现中英文情感分析功能,通过词云图、柱状图和饼状图对剧评数据集进行多角度的展示分析,设计整体页面布局,用户点击不同的按钮即可得到不同的结果反馈。

关键词：情感分析句法依赖树图卷积网络注意力机制外部知识

基于语言学知识增强图神经网络的事件关系抽取方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语言学知识增强图神经网络的事件关系抽取方法研究

作者：余胜男南京邮电大学

学位级别：硕士

事件关系抽取是信息抽取领域的重要研究内容,旨在从非结构化文本中抽取结构化的事件知识,对于问答系统,事理图谱构建等下游任务至关重要。传统的事件关系抽取大多是基于神经网络的方法来提取文本特征,但基于神经网络的有监督方法须由大... 详细信息

事件关系抽取是信息抽取领域的重要研究内容,旨在从非结构化文本中抽取结构化的事件知识,对于问答系统,事理图谱构建等下游任务至关重要。传统的事件关系抽取大多是基于神经网络的方法来提取文本特征,但基于神经网络的有监督方法须由大量标注数据驱动,而现实世界中,数据易得,标注数据少有,人工标注数据成本往往十分巨大,尤其在生物、医学等特定领域,问题更加突出。另外,由于文本中事件信息之间的复杂表达模式,导致现有深度学习方法难以准确地捕获结构化的事件信息。因此,如何从复杂语义交互的句子中提取丰富的事件关系特征也是一个极大的挑战。本文从解决上述问题的角度出发,提出了两种事件关系抽取模型,主要贡献有以下三个方面:1、针对事件关系抽取任务中缺少大规模高质量的标注数据,以及文本中事件信息之间的复杂语义交互导致现有深度学习方法难以准确捕获结构化事件信息的问题,提出一种基于语言学知识增强的自监督式图卷积网络的事件关系抽取模型。该模型引入词法和句法等语言学知识,利用图卷积网络建模句子的句法依赖树来提取丰富的事件关系特征,使用关系特征进行自适应聚类生成伪类别标签,并将其作为自监督信息,通过迭代的自监督训练模式优化事件关系特征,最后在2个公开的数据集上进行实验,验证了该模型的有效性。2、针对句中事件间关系的复杂表达导致句法解析不精确的问题,为了充分提取事件对关系特征,提出一种基于多模双线性池化融合图神经网络的事件关系抽取模型。该方法利用依赖解析器中所有依赖弧的概率矩阵来构建基于语法的图卷积网络,同时利用图注意力网络来提取句子的语义特征,再使用多模双线性池化对两个模块得到的特征进行融合,使用融合后的增强特征进行关系分类,最后在2个公开的数据集上进行实验,实验结果证实了该模型性能优于基准模型。3、基于提出的事件关系抽取模型,设计并实现了一个功能完备的事件关系抽取原型系统。该系统可以自动对输入的句子进行标注,标记出相应的关系类别标签,实现了从算法到应用的转化,明显降低工作量的同时也具有很高的准确度。在未来的研究中,该系统将有助于实现事件关系抽取的自动化,从而进一步提高自然语言处理技术在各个领域的应用效率和准确度。

关键词：事件关系抽取句法依赖树图神经网络多头注意力机制多模双线性池化

融合度信息语义位置注意力和双重类型嵌入的GCN关系抽取方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合度信息语义位置注意力和双重类型嵌入的GCN关系抽取方法

作者：张欢昆明理工大学

学位级别：硕士

实体关系抽取是自然语言处理的核心技术之一,它可以帮助我们更好地分析和提炼出句子中的实体,并且可以帮助我们更准确地推断出它们之间的语义联系。近年来,许多学术界人士已经开始探索联合抽取的方法来进行关系抽取的研究。在当前的研究... 详细信息

实体关系抽取是自然语言处理的核心技术之一,它可以帮助我们更好地分析和提炼出句子中的实体,并且可以帮助我们更准确地推断出它们之间的语义联系。近年来,许多学术界人士已经开始探索联合抽取的方法来进行关系抽取的研究。在当前的研究中,联合抽取在一定程度上避免了流水线关系抽取方法中存在的误差传播和交互缺失问题,但仍然无法解决处理关系重叠和语义特征表示不足的问题。针对以上问题,本文研究提出基于融合度信息语义位置注意力和双重类型嵌入的GC N(Graph Convolutional Networks,GCN)关系抽取方法,利用句子所包含的位置信息和辅助信息对句子的向量表示进行改进,然后通过GCN提高模型的学习能力以得到更好的关系抽取性能。本文的主要研究如下:构建融合度信息的语义位置注意力机制。句法依赖树能够清楚地表示句子中词语与词语之间的逻辑关系,因此,我们可以用句法依赖树提取句子中的各个词语对给定的实体词在句法依赖树中的相对位置距离,来构建一个位置向量,进而计算单词的影响权重来判断单词的重要程度。在此基础上,结合句法依赖树中隐式的“度”信息,以考虑到不同节点对连接边的影响。共同考虑改进的依赖树和语义位置的影响,进一步达到降噪的目的。面对现有关系抽取方法大多都忽略的long-tail造成的语义特征不足的问题,本文提出利用GCN的聚合性和句子间的相似性,聚合相似句子的隐含高阶特征信息,通过关系实例数据多的关系类型来帮助识别关系实例数据少的关系类型,提高模型的学习能力,进一步提高关系抽取的效率。利用句子所包含的实体类型信息和关系类型信息优化输入向量,本文将实体类型信息和关系标签信息合并到句子嵌入中。在一个句子中一个实体可能有多个类型标签,同时并非所有关系标签对句子中的单词都具有同等重要性,所以需要通过类型感知注意力机制来选择出最有可能的实体类型标签和区分不同关系标签对句子中每个单词的重要性。不仅能提高关系抽取的准确性,还能捕捉到实体和关系之间的交互作用。本文提出的模型在数据集New York Times(NYT)和Web NLG上进行实验验证,在NYT和Web NLG上的F1值分别为92.4%和91.1%,是所有比较模型中表现最好的。结果表明提出的模型能够有效解决关系抽取中存在的问题,并能够有效提升关系抽取的正确性。

关键词：关系抽取类型关系注意力机制句法依赖树图卷积神经网络关系重叠

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双通道交互的图卷积网络方面级情感分析

计算机科学与应用 2022年第12期12卷 2863-2874页

作者：信雪晴单菁王佳英沈阳建筑大学辽宁沈阳沈阳工业大学辽宁沈阳

基于方面的情感分析旨在识别文本中特定方面的情感极性,目前,大多数研究将句法依赖树和图卷积神经网络应用于方面级情感分析,并取得了不错的结果。然而,当一个评论文本包含多个方面时,大多数方法对每个方面单独建模,从而忽略了方面词之... 详细信息

基于方面的情感分析旨在识别文本中特定方面的情感极性,目前,大多数研究将句法依赖树和图卷积神经网络应用于方面级情感分析,并取得了不错的结果。然而,当一个评论文本包含多个方面时,大多数方法对每个方面单独建模,从而忽略了方面词之间的情感联系。为了解决这一问题,本文提出了一种用于方面级情感分析的双通道交互式图卷积网络(BC-GCN)模型。该模型同时考虑了句子的句法结构信息以及多个方面的情感依赖性,并使用图卷积网络来学习其节点信息表示。特别是,为了更好地捕获方面词和观点词的表示,我们利用交互注意力机制来学习图卷积网络产生的句法信息特征和多方面情感依赖特征。在多组公开数据集上的实验结果表明,我们提出的改进方法能显著提高模型的性能。

关键词：方面级情感分析图卷积神经网络交互注意力机制句法依赖树